¿Cómo calcular la pendiente promedio en una cuadrícula?

14

Esta es en realidad una pregunta de dos partes:

  1. ¿Qué métodos existen para calcular la pendiente promedio por unidad (por ejemplo, km²) para un área determinada? ¿Hay algún requisito especial en los datos, como información adicional además de las mediciones de altura?
  2. ¿Qué métodos de implementación de SIG de código abierto se pueden usar para calcular la pendiente promedio en una cuadrícula (por ejemplo, un archivo TIF)?
pregunta underdark 30.08.2010 - 01:23

2 respuestas

6

El primer enfoque es calcular la pendiente para el ráster. Si está buscando código abierto, especialmente para cálculos ráster, casi siempre sugiero GRASS. En este caso, está buscando r.slope.aspect para calcular su pendiente raster.

En este punto tienes dos opciones. Si busca la pendiente promedio dentro de un km 2 centrado en un punto específico, puede probar r.neighbours con el método promedio en la salida de pendiente. Alternativamente, puede probar r.resample para llevar su raster hasta km 2 celdas, y tendrías una pendiente promedio por km 2 sobre el conjunto de datos completo.

Por lo que sé, no hay requisitos especiales, aparte de un ráster continuo, aunque podría intentar cortar / rellenar el ráster para suavizarlo primero.

Espero que esto ayude!

    
respondido por el om_henners 30.08.2010 - 01:52
16

Necesita saber algo sobre el significado, el método de adquisición y el procesamiento de las mediciones de elevación, porque los cálculos de pendiente son bastante sensibles a la resolución. Obtendrá pendientes promedio más bajas, generalmente, con una resolución más basta o cuando los valores de celda son elevaciones promedio de celda en lugar de elevaciones puntuales. En particular, si su cuadrícula ha sido procesada por cualquier tipo de procedimiento de remuestreo, eso cambiará las pendientes (a veces dramáticamente). Tenga en cuenta, también, que la pendiente promedio dentro de una región no es igual a la pendiente basada en un promedio comparable de elevaciones dentro de la misma región: la primera va a ser al menos tan grande como la segunda, y puede ser tremendamente más grande. Como ejemplo extremo, la pendiente promedio en las mesetas profundamente incisas de Virginia Occidental es alta, lo que refleja el terreno accidentado, pero una pendiente basada en las elevaciones promediadas en áreas grandes (por ejemplo, en intervalos de 15 minutos) será casi cero. >

Editar

Hace unos años obtuve tres DEM de la misma área (en Idaho) a una resolución de 30 m, resolución de 10 m, y un conjunto de datos LIDAR (resolución de 1 m) y comparé sus distribuciones de pendiente. Aquí hay un gráfico de ese estudio:

Estodemuestraqueamedidaquelaresoluciónsevuelvemásfina,laproporcióndeáreasdealtapendienteaumenta.Elcambiode30maLIDARessustancial:lapendientemediaaumentaenaproximadamente10grados.Estegráficotambiénrecompensaunamiradamáscercana:puedeverunpequeñocambioenlasáreasdependientebaja.Aparentemente,lasáreasescarpadasdealtapendienteenelLIDARDEMsesuavizanenlosDEMde10my30mdondeseconviertenenáreasdependientemedia.Laspendientesrealmenteextremas(demásde75gradosaproximadamente)aparecensoloenelconjuntodedatosLIDAR.Aunquepuedehaberpreguntassobrecuáldeestosconjuntosdedatosestámáscercadela"verdad", claramente las conclusiones que se extraen acerca de las distribuciones de pendientes variarán con la resolución.

    
respondido por el whuber 30.08.2010 - 17:38

Lea otras preguntas en las etiquetas